Submitted by Irene Nascimento (irene.kessia@ufpe.br) on 2016-06-20T16:57:47Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertacao_Hildemar.pdf: 2038188 bytes, checksum: 0f6e076aa9b22564edadc07e4585d987 (MD5) / Made available in DSpace on 2016-06-20T16:57:47Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Dissertacao_Hildemar.pdf: 2038188 bytes, checksum: 0f6e076aa9b22564edadc07e4585d987 (MD5) Previous issue date: 2016-02-03 / capes / Existem situações na modelagem estatística em que a variável de interesse é contínua e restrita no intervalo aberto (0, 1), tais como taxas e proporções. Esses tipos de variáveis tipicamente apresentam características de assimetria e heteroscedasticidade, sendo assim inapropriado o uso do modelo normal linear. Kieschnick e McCullough (2003) indicaram após estudos de diferentes estratégias para modelar tais variáveis, o uso do modelo de regressão beta. Contudo, Hahn (2008) e García et al. (2011) observaram que a distribuição beta não é apropriada para o caso em que há ocorrência de eventos extremos; isto é, eventos que possam ocorrer na cauda da distribuição. Com o intuito de obter maior flexibilidade no modelo de regressão beta, Bayes et al. (2012) propuseram o modelo de regressão beta retangular considerando a distribuição beta retangular proposta por Hahn (2008). Este modelo possui como casos particulares o modelo de regressão beta proposto por Ferrari e Cribari-Neto (2004) e o modelo de regressão beta com dispersão variável proposto por Smithson e Verkuilen (2006). Esta dissertação tem como proposta avaliar o uso das divergências Kullback-Leibler e χ 2 , bem como, das distâncias estocásticas Kullback-Leibler, χ 2 , Bhattacharyya, Hellinger, triangular e média-harmônica e da distância L1 norm na detecção de observações atípicas nos modelos de regressão beta e beta retangular. Com este fim, realizamos um estudo de simulação de Monte Carlo em que ajustamos, sob o enfoque Bayesiano esses dois modelos. Nesse estudo, observamos que a divergência χ 2 demonstrou maior eficiência, que as demais medidas, na detecção de observações atípicas. A introdução dos pontos atípicos foi feita em ambas as variáveis, dependente e regressora. Por fim, apresentamos uma aplicação utilizando o conjunto de dados AIS (Australian Institute of Sport). / There are situations in the statistical modeling where the interested variable is continuous and restricted in the open interval (0,1) as rates and proportions. This type of variables typically show characteristics of asymmetry and heterocedasticity, this way unappropriated the use of the linear normal model. Kieschnick e McCullough (2003) after studies of different strategies to model variables of rates and proportions indicate the use of the regression model based on the beta distribution. However, Hahn (2008) and García et al. (2011) observed which the beta distribution is not appropriated for case where there are events in the tail of the distribution. In order to obtain greater flexibility in the beta regression model Bayes et al. (2012) proposed the rectangular beta regression model based on rectangular beta distribution proposed by Hahn (2008). This model has as particular cases the beta regression model proposed by Ferrari e Cribari-Neto (2004) and the beta regression model with variable dispersion proposed by Smithson e Verkuilen (2006). This dissertation has the purpose of evaluate the use of divergences Kullback-Leibler and χ 2 as well of stochastic distances Kullback-Leibler, χ 2 , Bhattacharyya, Hellinger, triangular and média-harmônica, and distance L1 norm in detecting atypical points in beta regression model and beta rectangular regression model. To this end, we conducted a Monte Carlo simulation study in which fitted under the Bayesian approach, these two models. This study showed that the difference χ 2 demonstrated higher efficiency than the other measures, the detection of atypical observations.The introduction of atypical points was carried out in both variables, dependent and independent. Finally, we present an application using the set of AIS (Australian Institute of Sport).